高压电力电缆故障识别方法
【技术领域】
[0001] 本发明涉及高压电力电缆故障检测领域，特别涉及一种高压电力电缆故障识别方 法。
【背景技术】
[0002] 近年来，随着高压电力电缆在城市配电网中的广泛应用，电力电缆及其附件故障 对整个配电网所造成的影响和损失也越来越显著。据统计，在城市电网运行事故中，因高压 电力电缆及其附件故障引起的电力事故高达75%，因此对高压电力电缆及其附件故障进行 检测分析和故障类型及大小的识别尤为重要。目前国内外对于高压电力电缆及其附件故障 分析识别的方法有很多，但大多数分析识别方法不能直接在现场完成，效率低，造成持续性 的损失。另外，当前的故障识别方法只能识别是否存在故障，不能实现故障类型及大小的判 断，更不能对高压电力电缆及其附件的老化状态及剩余寿命做出一个有效的预估，也就不 能提出正确的故障修复方案。
[0003] 高压电力电缆及其附件故障发生过程中往往会发生局部放电现象，并且局部放电 大小随故障缺陷大小及程度而不同。局部放电是涉及绝缘层的放电，由于局部放电的发展 受限于绝缘层故障缺陷的类型和大小，局部放电量又与绝缘状况密切相关，所以通过对局 部放电量的检测可以检测并识别高压电力电缆及其附件可能存在的故障。基于局部放电检 测的高压电力电缆及其附件故障类型识别技术是高压电力电缆及其附件故障信号检测、分 析及故障类型识别的最佳方法，并作为及时发现高压电缆及其附件故障隐患、运行寿命预 测、保障高压电力电缆及其附件安全可靠运行的重要手段。
[0004] 目前，国际上研究学者对于高压电力电缆及其附件故障局部放电信号的检测分析 及故障类型的识别没有统一的标准，使用较多的检测元件是高频电流传感器，该方法的优 点是高压电力电缆及其附件与测量回路之间没有电气连接，从而可以较好的抑制噪声，另 外传感器安装简单、操作方便，可检测到完整的局部放电脉冲。缺点是该方法仅适用于电缆 外屏蔽层有接地线的情况，对于有完全屏蔽的电缆将线圈套在电缆本体外难以检测到局放 信号，因此，单一的使用该检测方法进行高压电力电缆故障局部放电信号的检测分析及故 障类型的识别难以达到预期的效果。
【发明内容】
[0005] 本发明所要解决的技术问题是提供一种高压电力电缆故障识别方法，能自行对所 采集到的故障信号进行去噪、时频分析、特征提取并准确的识别出故障类型及大小。
[0006] 为解决上述技术问题，本发明采用的技术方案是：
[0007] -种高压电力电缆故障识别方法，包括信号联合采集、信号综合处理和故障智能 识别，具体为：
[0008] 信号联合采集:采用UHF超高频传感器对局部放电产生的电磁暂态和电磁波进行 采集，采用压电式AE超声波传感器对局部放电产生的超声波信号进行采集，采用TEV地电波 传感器对局部放电产生的地电波进行采集，采用HFCT高频电流传感器对局部放电产生的瞬 变磁场进行采集；
[0009] 信号综合处理：在信号联合采集过程中通过四个传感器对局部放电信号进行检 测，并通过示波器记录每个放电脉冲的时域波形，波形上的每一个点都会对应一个时间和 幅值，提取5个表征放电强度的统计特征参数，包括脉冲上升时间t r、下降时间td、50%幅值 脉冲持续时间10 %幅值脉冲持续时间t1Q%、脉冲总持续时间ttcltai，通过这些特征参数 对局部放电进行趋势分析，结合局部放电的相位分布图谱，检测提取出表征局部放电类型 的相位;还包括提取出电缆故障所产生的局部放电的特征参数，包括平均值
差σ2= Σ (Χ?-μ)2ρ?，
，.放电不对称
，构建缺陷所对应的局部放电指纹特征库，所述缺陷包括线芯毛刺、主绝缘 割伤、半导电层翘起、绝缘内部存在气隙、主绝缘表面存在导电微粒；
[0010] 故障智能识别:将提取的时频特征参数分批送入两种智能算法中进行自行匹配识 另IJ，两种智能识别算法为ΒΡ神经网络分类识别和ELM极限学习机分类识别，对两种智能识别 算法的识别结果进行时时对比汇总，进而确定故障的类型及大小。
[0011]根据上述方案，在故障智能识别中，还包括用已有的故障类型数据库对两种智能 识别算法进行训练，以提尚两种智能识别算法的性能。
[0012]根据上述方案，所述UHF超高频传感器的信号接收天线为希尔伯特分形天线。
[0013]根据上述方案，在对信号进行特征提取之前，还包括将采集到的信号用带通滤波 器去除干扰信号及噪声信号，之后再将去噪后的信号进行放大的步骤。
[0014]根据上述方案，去除干扰信号的步骤具体为:采用基于FFT的窄带干扰抑制算法去 除窄带干扰，采用基于小波的消噪算法去除白噪声干扰，采用基于神经网络的滤波算法去 除脉冲型干扰信号。
[0015] 根据上述方案，采用BP神经网络分类识别和ELM极限学习机分类识别进行识别时， 识别结果都会进行时时对比存储。
[0016] 根据上述方案，在进行识别之前，先用已有的特征数据库对网络进行训练、测试和 验证，优化网络性能。
[0017] 与现有技术相比，本发明的有益效果是:本发明自行对所采集到的故障信号进行 去噪、时频分析、特征提取并准确的识别出故障类型及大小，为后续高压电力电缆及其附件 的剩余寿命评估提供可靠而又科学的依据，从而大大降低因电缆故障所带来的电网损失。 本发明检测安全，故障识别迅速准确，可集成化，便于工作人员学习掌握，可广泛用于实验 室项目研究和现场在线测试识别。
【附图说明】
[0018] 图1是本发明中示波器记录每个放电脉冲的时域波形。
【具体实施方式】
[0019] 下面对本发明高压电力电缆故障识别方法作进一步的说明。
[0020] 针对当前高压电力电缆故障信号检测分析及故障类型识别所存在的不足，本发明 提出了一种高效、快速、精准的高压电力电缆故障类型识别方法。高压电力电缆故障类型及 故障大小的判定对电缆的剩余使用寿命评估至关重要，因为其直接关系着整个电网的运行 安全。本发明包括信号联合采集、信号综合处理与故障智能识别等步骤，现详述如下。
[0021]彳目号联合米集
[0022]分别从电磁波、超声波等领域对局放信号进行采集分析，从而实现全方位、不同角 度对高压电力电缆故障所产生的局部放电信号进行采集，实现局放信号全方位、零死角的 捕捉，为后续的信号分析、故障类型及大小识别提供可靠的信号来源。
[0023] 采用4种传感器对信号进行采集，即是UHF超高频传感器、AE超声波传感器、TEV地 电波传感器和HFCT高频电流传感器。高压电力电缆及其附件存在故障时，在高压下往往会 产生局部放电，局部放电过程会长生宽频带的暂态和电磁波。不同类型的电击穿过程不尽 相同，从而产生不同幅值和陡度的脉冲电流，因此产生不同频率成分的电磁暂态和电磁波。 采用的UHF超高频传感器由超高频信号接收天线构成，传感器天线采用希尔伯特分形天线， 它是一种非频变天线，其电性能与频率无关，具有宽频率，圆极化，尺度小，效率高，可嵌装 等优点。放大器采用低噪音、高增益(40db)超高频信号，传感器工作频带300~1500MHz，能 够有效避开现场电晕等干扰，具有较强的抗干扰能力。
[0024] 当高压电力电缆及其附件内部产生局部放电的时候，会产生冲击的振动及声音， 同时激发超声波信号，局部放电所激发的超声波信号，其类型包括纵波、横波和表面波。纵 波通过气体传到外壳，横波则需要通过固体介质传到外壳。通过贴在高压电力电缆及其附 件表面的压电式AE超声波传感器接收这些超声波信号，以达到检测局方的目的。
[0025] 高压电力电缆及其附件内部局放所激发的脉冲电流在传播过程中会在半导层、屏 蔽层等金属表面形成暂态地电波。通过贴在高压电力电缆及其附件表面的TEV地电波传感 器接收这些地电波信号，以达到检测局方的目的。
[0026] 高压电力电缆及其附件内部产生局放时会形成脉冲电流，当脉冲电流经半